JPH08221275A - 帰納学習における述語論理ルール生成方法 - Google Patents
帰納学習における述語論理ルール生成方法Info
- Publication number
- JPH08221275A JPH08221275A JP7022453A JP2245395A JPH08221275A JP H08221275 A JPH08221275 A JP H08221275A JP 7022453 A JP7022453 A JP 7022453A JP 2245395 A JP2245395 A JP 2245395A JP H08221275 A JPH08221275 A JP H08221275A
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- logic rule
- negative
- knowledge
- attributes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【目的】 ＩＤ３等の分割統治法的手法による知識獲得
手段とＦＯＩＬ等のカバーリング法的手法による知識獲
得手段とを組み合わせて、実用的に効率良く述語論理ル
ールが得られる帰納学習における術語論理ルール生成方
法を提供する。 【構成】 ＩＤ３等の知識獲得アルゴリズムにより、事
例から決定木の形式で正例を得る。この正例における目
標属性（Ｒ１，Ｒ２）以外の属性（Ｘ，Ｖ，Ｍ）を一つ
の属性（ＩＤ）で表し、その属性（ＩＤ）と目標属性以
外の属性（Ｘ，Ｖ，Ｍ）の組を背景知識としてＦＯＩＬ
等の知識獲得アルゴリズムに与える。ここで、全ての属
性の組み合わせにより負例を作成し、正例とともにＦＯ
ＩＬ等に与えて述語論理ルールを得る場合に、属性（Ｉ
Ｄ）と対応のとれない負例を削除する。こうして負例数
を減少させ、事例数の組み合わせ爆発を防いで、計算時
間やメモリ使用量を減少させ、実用的に術語論理ルール
を得る。
手段とＦＯＩＬ等のカバーリング法的手法による知識獲
得手段とを組み合わせて、実用的に効率良く述語論理ル
ールが得られる帰納学習における術語論理ルール生成方
法を提供する。 【構成】 ＩＤ３等の知識獲得アルゴリズムにより、事
例から決定木の形式で正例を得る。この正例における目
標属性（Ｒ１，Ｒ２）以外の属性（Ｘ，Ｖ，Ｍ）を一つ
の属性（ＩＤ）で表し、その属性（ＩＤ）と目標属性以
外の属性（Ｘ，Ｖ，Ｍ）の組を背景知識としてＦＯＩＬ
等の知識獲得アルゴリズムに与える。ここで、全ての属
性の組み合わせにより負例を作成し、正例とともにＦＯ
ＩＬ等に与えて述語論理ルールを得る場合に、属性（Ｉ
Ｄ）と対応のとれない負例を削除する。こうして負例数
を減少させ、事例数の組み合わせ爆発を防いで、計算時
間やメモリ使用量を減少させ、実用的に術語論理ルール
を得る。
Description
【０００１】
【産業上の利用分野】本発明は、知識処理システムにお
いて使用される帰納学習における述語論理ルール生成方
法であって、多くの事例を与えてその事例間に成立する
因果関係または一般法則を生成する知識獲得アルゴリズ
ムの改良に関するものである。
いて使用される帰納学習における述語論理ルール生成方
法であって、多くの事例を与えてその事例間に成立する
因果関係または一般法則を生成する知識獲得アルゴリズ
ムの改良に関するものである。
【０００２】
【従来の技術】知識獲得における帰納学習法では、事例
を属性及び目標属性（結果属性、クラス）の組で表現
し、事例を元に観測属性値から目標属性を推定するルー
ルを決定木やＰｒｏｌｏｇ式の形で求める。
を属性及び目標属性（結果属性、クラス）の組で表現
し、事例を元に観測属性値から目標属性を推定するルー
ルを決定木やＰｒｏｌｏｇ式の形で求める。
【０００３】ルールを決定木として生成する手法は、分
割統治（ｄｉｖｉｄｅ−ａｎｄ−ｃｏｎｑｕｅｒ）法と
呼ばれ、代表的なアルゴリズムにＩＤ３，ＣＡＲＴ，Ａ
ＳＳＩＳＴＡＮＴ等がある。ＩＤ３等は決定木の形で環
境に依存する命題論理ルールを出力する。そのアルゴリ
ズムの概要は以下の通りである。
割統治（ｄｉｖｉｄｅ−ａｎｄ−ｃｏｎｑｕｅｒ）法と
呼ばれ、代表的なアルゴリズムにＩＤ３，ＣＡＲＴ，Ａ
ＳＳＩＳＴＡＮＴ等がある。ＩＤ３等は決定木の形で環
境に依存する命題論理ルールを出力する。そのアルゴリ
ズムの概要は以下の通りである。
【０００４】０・木の点には事例が割り当てられてい
る。（はじめは木はルートのみからなる） １・ある点の事例が同じ目標属性なら、その点はその目
標属性でラベル付けされる。
る。（はじめは木はルートのみからなる） １・ある点の事例が同じ目標属性なら、その点はその目
標属性でラベル付けされる。
【０００５】異なる目標属性を含むなら、 ２・よい属性を選んで、 ３・その属性値により事例を分類して、その点の子供の
点に割り当て、 ４・子供の点について１から繰り返す。
点に割り当て、 ４・子供の点について１から繰り返す。
【０００６】一方、ルールをＰｒｏｌｏｇ式の形で出力
する手法は、カバーリング法と呼ばれ、代表的なアルゴ
リズムにＦＯＩＬ，ＧＯＬＥＭ等がある。ＦＯＩＬ等で
は、事例として正例（正事例）と負例（負事例）が与え
られ、ルールとして一般的に使える論理式Ｐｒｏｌｏｇ
式の述語論理ルールを出力する。そのアルゴリズムの概
要は以下の通りである。
する手法は、カバーリング法と呼ばれ、代表的なアルゴ
リズムにＦＯＩＬ，ＧＯＬＥＭ等がある。ＦＯＩＬ等で
は、事例として正例（正事例）と負例（負事例）が与え
られ、ルールとして一般的に使える論理式Ｐｒｏｌｏｇ
式の述語論理ルールを出力する。そのアルゴリズムの概
要は以下の通りである。
【０００７】０・正例の多くを満たし、負例は満たさな
い条件節を求める。
い条件節を求める。
【０００８】１・条件節をルールに追加する。
【０００９】２・この条件節を満たす事例を除去する。
【００１０】３・まだ事例が残っていれば０から繰り返
す。
す。
【００１１】ＦＯＩＬやＧＯＬＥＭ等では異なる属性間
の属性値を関連づける背景知識を用いて一般的に使える
述語論理式（属性値に変数を採ることができる）を出力
することができる。
の属性値を関連づける背景知識を用いて一般的に使える
述語論理式（属性値に変数を採ることができる）を出力
することができる。
【００１２】また、以上のＩＤ３等をＦＯＩＬ等と組み
合わせることにより、効率よく述語論理ルールを出力す
ることもできる。
合わせることにより、効率よく述語論理ルールを出力す
ることもできる。
【００１３】
【発明が解決しようとする課題】ところで、上記従来の
技術によるＩＤ３等とＦＯＩＬ等を組み合わせて使うこ
とにより、事例から述語論理ルールを得る場合、ＦＯＩ
Ｌ等では負例を必要とするが、ＩＤ３等からは与えるこ
とができない。このため、属性の組み合わせにより、負
例を生成する必要がある。
技術によるＩＤ３等とＦＯＩＬ等を組み合わせて使うこ
とにより、事例から述語論理ルールを得る場合、ＦＯＩ
Ｌ等では負例を必要とするが、ＩＤ３等からは与えるこ
とができない。このため、属性の組み合わせにより、負
例を生成する必要がある。
【００１４】しかしながら、この場合、属性の量が多い
と組み合せ爆発により、負例が膨大になり、知識獲得方
法として実用的でなくなるという問題点があった。
と組み合せ爆発により、負例が膨大になり、知識獲得方
法として実用的でなくなるという問題点があった。
【００１５】本発明は、このような問題点を解決するた
めになされたものであり、その目的は、ＩＤ３等とＦＯ
ＩＬ等を組み合わせて実用的に効率良く述語論理ルール
を得ることを可能とする帰納学習における述語論理ルー
ル生成方法を提供することにある。
めになされたものであり、その目的は、ＩＤ３等とＦＯ
ＩＬ等を組み合わせて実用的に効率良く述語論理ルール
を得ることを可能とする帰納学習における述語論理ルー
ル生成方法を提供することにある。
【００１６】
【課題を解決するための手段】上記の目的を達成するた
め、本発明では、分割統治法的手法を用い多数の事例を
入力して命題論理ルールを正事例として出力する第１の
知識獲得手段と、カバーリング法的手法を用い背景知識
と正事例と負事例から述語論理ルールを得る第２の知識
獲得手段とを組み合わせて述語論理ルールを得る帰納学
習における述語論理ルール生成方法において、まず、前
記第１の知識獲得手段の正事例における目標属性以外の
属性部分を１つの属性で表し該属性と前記目標属性以外
の属性の値の対応を背景知識として前記第２の知識獲得
手段に与え、次に、全ての属性部分の組み合わせから得
られる負事例のうち前記背景知識として与えた属性と対
応のとれない負事例を削除し該負事例の数を減少させる
ようにした帰納学習における述語論理ルール生成方法を
手段とする。
め、本発明では、分割統治法的手法を用い多数の事例を
入力して命題論理ルールを正事例として出力する第１の
知識獲得手段と、カバーリング法的手法を用い背景知識
と正事例と負事例から述語論理ルールを得る第２の知識
獲得手段とを組み合わせて述語論理ルールを得る帰納学
習における述語論理ルール生成方法において、まず、前
記第１の知識獲得手段の正事例における目標属性以外の
属性部分を１つの属性で表し該属性と前記目標属性以外
の属性の値の対応を背景知識として前記第２の知識獲得
手段に与え、次に、全ての属性部分の組み合わせから得
られる負事例のうち前記背景知識として与えた属性と対
応のとれない負事例を削除し該負事例の数を減少させる
ようにした帰納学習における述語論理ルール生成方法を
手段とする。
【００１７】
【作用】本発明の帰納学習における述語論理ルール生成
方法では、分割統治法的手法による知識獲得手段により
多数の事例から正事例を得、全ての属性の組み合わせに
より負事例を作成し、正事例とともにカバーリング法的
手法による知識獲得手段に与えて述語論理ルールを得る
場合に、まず、正事例における目標属性以外の属性を一
つの属性で表し、その属性と目標属性以外の属性の組を
背景知識として与え、次に、その背景知識の属性と対応
のとれない負事例を削除してカバーリング法的手法によ
る知識獲得手段に与える。このようにすることで負事例
の数の減少を図り、属性の数による負例数の組み合わせ
爆発を防いで、計算時間やメモリ使用量を減少させ、実
用的に術語論理ルールを得る。
方法では、分割統治法的手法による知識獲得手段により
多数の事例から正事例を得、全ての属性の組み合わせに
より負事例を作成し、正事例とともにカバーリング法的
手法による知識獲得手段に与えて述語論理ルールを得る
場合に、まず、正事例における目標属性以外の属性を一
つの属性で表し、その属性と目標属性以外の属性の組を
背景知識として与え、次に、その背景知識の属性と対応
のとれない負事例を削除してカバーリング法的手法によ
る知識獲得手段に与える。このようにすることで負事例
の数の減少を図り、属性の数による負例数の組み合わせ
爆発を防いで、計算時間やメモリ使用量を減少させ、実
用的に術語論理ルールを得る。
【００１８】
【実施例】以下、本発明の実施例を、図面を参照して詳
細に説明する。
細に説明する。
【００１９】図１は本発明の一実施例を説明するための
図である。図中、（ａ）はＩＤ３等の知識獲得手段に事
例を入力して得られた決定木であり、（ｂ）はその決定
木から得られた事例（正例）と属性の全組み合わせから
正例を除いた事例（負例）を示した表であり、（ｃ）は
ＦＯＩＬ等の知識獲得手段に（ｂ）の事例（正例と負
例）を与える場合において、以下に述べる手法で負例を
減らした事例を示す表である。
図である。図中、（ａ）はＩＤ３等の知識獲得手段に事
例を入力して得られた決定木であり、（ｂ）はその決定
木から得られた事例（正例）と属性の全組み合わせから
正例を除いた事例（負例）を示した表であり、（ｃ）は
ＦＯＩＬ等の知識獲得手段に（ｂ）の事例（正例と負
例）を与える場合において、以下に述べる手法で負例を
減らした事例を示す表である。
【００２０】ＦＯＩＬ等のカバーリング法的手法を用い
た知識獲得アルゴリズムでは、事例として正例と負例を
与える。しかし、ＩＤ３等の分割統治法的手法を用いた
知識獲得アルゴリズムにより、決定木の形式で得られる
事例は、正例である（図１（ａ））。このため、負例を
作成するために、目標属性（図例ではＲ１，Ｒ２）以外
の属性（図例ではＸ，Ｖ，Ｍ）を含めた全ての属性を使
い、その組み合わせにより負例を表現すると、その属性
の組み合わせにより負例の数が膨大となる（図１
（ｂ））。
た知識獲得アルゴリズムでは、事例として正例と負例を
与える。しかし、ＩＤ３等の分割統治法的手法を用いた
知識獲得アルゴリズムにより、決定木の形式で得られる
事例は、正例である（図１（ａ））。このため、負例を
作成するために、目標属性（図例ではＲ１，Ｒ２）以外
の属性（図例ではＸ，Ｖ，Ｍ）を含めた全ての属性を使
い、その組み合わせにより負例を表現すると、その属性
の組み合わせにより負例の数が膨大となる（図１
（ｂ））。
【００２１】一方、ＦＯＩＬ等に与える背景知識の方
は、通常、正例でしか定義されていない。そこで、本実
施例では、事例の属性を背景知識で定義することを考え
る。
は、通常、正例でしか定義されていない。そこで、本実
施例では、事例の属性を背景知識で定義することを考え
る。
【００２２】すなわち、事例としては、目標属性（結果
属性）以外の属性を１つの属性（図例ではＩＤ（＝１，
２，３，４））で表すこととし、これをルールＩＤとす
る。そして、ルールＩＤと対応する目標属性以外の属性
（Ｘ，Ｖ，Ｍ）の組をＦＯＩＬ等の背景知識に加える。
目標属性以外の属性とルールＩＤとの対応をとるとき、
正例において出現していた値の組だけをルールＩＤとの
対応をとるとする。このようにして全組み合せをとり負
例を生成した上で、ルールＩＤとの対応のとれない負例
を取り除く（図１（ｃ））ことにより、負例の数を減ら
すことができる。これは言い換えれば、目標属性以外の
属性の組において正例にないものは負例から取り除くこ
とになる。
属性）以外の属性を１つの属性（図例ではＩＤ（＝１，
２，３，４））で表すこととし、これをルールＩＤとす
る。そして、ルールＩＤと対応する目標属性以外の属性
（Ｘ，Ｖ，Ｍ）の組をＦＯＩＬ等の背景知識に加える。
目標属性以外の属性とルールＩＤとの対応をとるとき、
正例において出現していた値の組だけをルールＩＤとの
対応をとるとする。このようにして全組み合せをとり負
例を生成した上で、ルールＩＤとの対応のとれない負例
を取り除く（図１（ｃ））ことにより、負例の数を減ら
すことができる。これは言い換えれば、目標属性以外の
属性の組において正例にないものは負例から取り除くこ
とになる。
【００２３】こうしたことにより、正例にない値の組は
負例にもないことになるが、リテラルの選択において正
例をカバーしないものは必要ないため、カバーされる負
例も必要もない。そのような負例はリテラルの適用によ
って早々に取り除かれるはずである。また、負例の数を
減らしたことにより、リテラル選択の際の評価関数（ゲ
イン）に多少影響があるが（全体的に大きく見積もられ
る）、重大な影響はないと考えられる。
負例にもないことになるが、リテラルの選択において正
例をカバーしないものは必要ないため、カバーされる負
例も必要もない。そのような負例はリテラルの適用によ
って早々に取り除かれるはずである。また、負例の数を
減らしたことにより、リテラル選択の際の評価関数（ゲ
イン）に多少影響があるが（全体的に大きく見積もられ
る）、重大な影響はないと考えられる。
【００２４】
【発明の効果】以上の説明で明らかなように、本発明の
帰納学習における述語論理ルール生成方法によれば、Ｉ
Ｄ３等の分割統治手法による知識獲得手段とＦＯＩＬ等
のカバーリング法的手法による知識獲得手段を組み合わ
せて述語論理ルールを得る場合において、 （１）目標属性以外の属性を１つの属性で表すため、事
例の表現が簡単になる。
帰納学習における述語論理ルール生成方法によれば、Ｉ
Ｄ３等の分割統治手法による知識獲得手段とＦＯＩＬ等
のカバーリング法的手法による知識獲得手段を組み合わ
せて述語論理ルールを得る場合において、 （１）目標属性以外の属性を１つの属性で表すため、事
例の表現が簡単になる。
【００２５】（２）上記により、負例の数を大幅に減少
できるため、計算速度を向上させ、メモリ使用量を減少
させることができる。
できるため、計算速度を向上させ、メモリ使用量を減少
させることができる。
【００２６】このため、ＩＤ３等の知識獲得手段とＦＯ
ＩＬ等の知識獲得手段の組み合わせによる方法により実
用的に効率良く述語論理ルールを得ることが可能とな
る。
ＩＬ等の知識獲得手段の組み合わせによる方法により実
用的に効率良く述語論理ルールを得ることが可能とな
る。
【図１】本発明の一実施例を説明する図
Claims (1)
- 【請求項１】 分割統治法的手法を用い多数の事例を入
力して命題論理ルールを正事例として出力する第１の知
識獲得手段と、カバーリング法的手法を用い背景知識と
正事例と負事例から述語論理ルールを得る第２の知識獲
得手段とを組み合わせて述語論理ルールを得る帰納学習
における述語論理ルール生成方法において、 まず、前記第１の知識獲得手段の正事例における目標属
性以外の属性部分を１つの属性で表し該属性と前記目標
属性以外の属性の値の対応を背景知識として前記第２の
知識獲得手段に与え、 次に、全ての属性部分の組み合わせから得られる負事例
のうち前記背景知識として与えた属性と対応のとれない
負事例を削除し該負事例の数を減少させることを特徴と
する帰納学習における述語論理ルール生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7022453A JPH08221275A (ja) | 1995-02-10 | 1995-02-10 | 帰納学習における述語論理ルール生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7022453A JPH08221275A (ja) | 1995-02-10 | 1995-02-10 | 帰納学習における述語論理ルール生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08221275A true JPH08221275A (ja) | 1996-08-30 |
Family
ID=12083139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7022453A Pending JPH08221275A (ja) | 1995-02-10 | 1995-02-10 | 帰納学習における述語論理ルール生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08221275A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012159884A (ja) * | 2011-01-28 | 2012-08-23 | Fujitsu Ltd | 情報照合装置、情報照合方法および情報照合プログラム |
-
1995
- 1995-02-10 JP JP7022453A patent/JPH08221275A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012159884A (ja) * | 2011-01-28 | 2012-08-23 | Fujitsu Ltd | 情報照合装置、情報照合方法および情報照合プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghosh et al. | A self-stabilizing algorithm for coloring planar graphs | |
| JP2592955B2 (ja) | プログラム自動生成装置 | |
| Laporta | Calculation of master integrals by difference equations | |
| KR910006807A (ko) | 처리 제어 장치 | |
| JPH07200280A (ja) | 階層オブジェクト構造の回復法 | |
| US5347615A (en) | Rule generating and verifying apparatus for fuzzy control using temporary exclusion of a selected rule | |
| JPH08221275A (ja) | 帰納学習における述語論理ルール生成方法 | |
| JP2696972B2 (ja) | フアジイ・ルール発生装置および方法，ならびに確認装置および方法 | |
| JPH07248920A (ja) | 帰納学習における述語論理ルール生成方法 | |
| EP1019811A2 (en) | Method and apparatus for processing a request to a boolean rule | |
| JP3301040B2 (ja) | エキスパートシステム | |
| Chen et al. | A Unified Early Termination Technique for Primal-dual Algorithms in Mixed Integer Conic Programming | |
| JPH0553780A (ja) | プログラム自動合成装置 | |
| JPH0844566A (ja) | 知識処理システム | |
| JPH083819B2 (ja) | 論理回路の製造システム | |
| JP3149555B2 (ja) | システム設計用目的変換装置 | |
| JP2897539B2 (ja) | ハードウェア記述自動生成方法とその装置 | |
| JPH01305402A (ja) | ファジィモデリング制御方法 | |
| JP2767625B2 (ja) | ファジィ推論装置およびその動作方法 | |
| JPH05224936A (ja) | ルール生成方法 | |
| JPS62194578A (ja) | 論理回路の製造方式 | |
| JPH0635983A (ja) | 回路図生成システム | |
| Filippova | Intellectual Subsystems for Collecting Information from the Internet to Create Knowledge Bases for Self-Learning Systems | |
| CN113705028A (zh) | 基于模糊Petri网的并行推理方法 | |
| JPH0785118A (ja) | 論理回路生成システム |